买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学申请的专利一种基于多变量交互关联的烧结混料水分预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119851803B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411938473.6，技术领域涉及：G16C20/30；该发明授权一种基于多变量交互关联的烧结混料水分预测方法是由潘冬;卢帅;蒋朝辉;余浩洋;桂卫华设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种基于多变量交互关联的烧结混料水分预测方法在说明书摘要公布了：一种基于多变量交互关联的烧结混料水分预测方法，针对现有时序预测方法忽略变量之间的耦合关系和历史自相关性，本发明提出一种基于交互关联门机制的自相关门、互相关门算法，通过改进传统门控循环单元，引入了自相关门和互相关门显示挖掘序列自身的历史相关性和过程变量之间的互相关性。为了解决传统时序预测仅将预测值的准确性作为评判指标的问题，本发明通过设计一个融合预测值与趋势引导的模型损失函数，为模型参数的更新提供反馈指导，使模型信息更加适用于时序预测和下游趋势预报任务。综上所述，本发明提出的方法能够精确地对烧结混料水分及其趋势进行预测，具备可信度高、准确性高等优点，也为时序预测提供了一种创新性的思路。

本发明授权一种基于多变量交互关联的烧结混料水分预测方法在权利要求书中公布了：1.一种基于多变量交互关联的烧结混料水分预测方法，其特征在于：具体过程如下： （1）针对烧结混料水分时序数据存在的非平稳、长期依赖性特性，设计一种序列平稳化处理方法，简化了后续预测任务的难度； （2）针对烧结工业过程变量间的复杂关系，创建嵌入特征映射方法，为时序预测模型提供多变量间的关系信息，便于后续模型的构建； （3）提出基于交互关联门机制的自相关门、互相关门算法，通过改进传统门控循环单元，引入了自相关门和互相关门显示挖掘序列自身的历史相关性和过程变量之间的互相关性； 所述步骤（3）具体如下； Step1：为了捕捉混料水分序列与其自身历史状态的因果关联，计算混料水分序列的自相关性估计，具体而言，针对每一个时间步，计算自相关性，公式如下所示： 19； 其中，、为混料水分时间序列的自相关权重与偏置，为混料水分与上一时刻隐状态的自相关权重，是时间t时刻序列值； 紧接着为捕捉过程变量之间的潜在时序关联，实现变量间更为高效的联合建模，引入烧结过程变量的时序数据到分析框架中，对于烧结过程变量矩阵进行归一化操作，消除量纲差异影响，并通过卷积操作学习权重并进行降维，得到包含更加关键信息的烧结相关过程变量抽象特征表示，公式如下所示： 20； 其中，为卷积操作，为Sigmoid激活函数，为相关过程变量的类别数目，为序列长度，计算混料水分与相关过程变量特征的互相关，公式如下: 21； 其中，、分别为混料水分与相关过程变量特征的互相关权重与偏置，为混料水分与各自上一时刻隐状态的互相关权重； 以交互关联门的计算结果用于更新模型隐状态，从而将自相关性及互相关性通过隐状态权重进行学习和传递，使模型能够记忆全局状态关联信息，公式如下： 22； 其中，、分别用于混料水分隐状态更新的自相关偏置、互相关偏置，表示对于自相关项和互相关项的权重超参数，为双曲正切激活函数，为哈达玛积运算； Step2：为了捕捉时间序列中不同时间步对预测结果的重要性，对于每个时间步，计算注意力得分，公式如下： 23； 其中，为第个时间步的隐藏状态，为时间注意力权重向量，随后对隐藏状态进行加权求和，计算上下文向量，公式如下： 24； 最后，利用上下文向量通过输出层生成最终的预测结果，具体计算公式如下： 25； 其中，为输出层的权重矩阵，为输出层的偏置向量； （4）设计一个融合预测值与趋势引导的模型损失函数，为模型参数的更新提供反馈指导，使模型信息更加适用于时序预测和下游趋势预报任务； （5）提出基于最小二乘的趋势曲线的拟合处理方法，通过结合历史与预测数据，实现对混料水分趋势分类结果的精准预报。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。